基于知识量加权的直觉模糊均值聚类方法

针对聚类算法中特征数据对聚类中心贡献的差异性及算法对初始聚类中心的敏感性等问题,提出一种基于知识量加权的直觉模糊均值聚类方法。首先将原始数据集直觉模糊化并改进最新的直觉模糊知识测度计算知识量,据此实现数据集特征加权,再利用核空间密度与核距离初始化聚类中心,以提高高维特征数据集的计算精度与聚类效率,最后基于类间样本距离与最小知识量原理建立聚类优化模型,得到最优迭代算法。基于UCI人工数据集的实验结果表明,所提方法较大程度地提高了聚类的准确性与迭代效率,分类正确率及执行效率分别平均提高了10.63%和31.75%,且具有良好的普适性和稳定性。该方法首次将知识测度新理论引入模糊聚类并取得优良效果,为该理论在其他相关领域的潜在应用开创了新例。     

区间二型模糊熵及其在图像分割中的应用

针对计算区间二型模糊熵存在的不足,构造一种新的区间二型模糊熵。新的区间二型模糊熵同时考虑了隶属度的均值和本身的模糊性对熵值的影响,而且满足四条公理,较为全面客观地测度了区间二型模糊集的不确性,并被应用于图像分割。数值实例和仿真实验表明了所提出区间二型模糊熵的合理性和实用性。     

一种加权直觉模糊熵分割法

针对现有的直觉模糊熵阈值法对于光照不均匀图像的分割很不理想,提出了一种新的加权直觉模糊熵,将其应用于图像分割最佳阈值的选取,最后给出了加权直觉模糊熵阈值化准则的权重选取方法。实验结果表明,该加权直觉模糊熵阈值法是可行的,可以弥补现有直觉模糊熵阈值法的不足。     

基于改进的直觉模糊核聚类的图像分割方法

针对噪声图像模糊性的本质，提出了基于改进的直觉模糊核聚类的图像分割方法。采用直觉模糊集描述噪声图像包含的不确定性信息，将图像的灰度信息转换到直觉模糊域进行处理；将模糊核聚类拓展为直觉模糊核聚类，在图像的直觉模糊域进行聚类；通过高斯核函数和欧氏距离分别对像素8-邻域的灰度和空间信息进行建模，综合平衡灰度和空间信息对聚类的作用，并将其作为惩罚项加入到直觉模糊核聚类的目标函数中；通过梯度下降法，推导了迭代求解算法；通过典型的合成图像和自然图像分割实例，验证了所提算法的有效性和鲁棒性。     

一种基于模糊连通度的图像阈值分割算法

提出一种新的图像阈值分割方法。该方法给出模糊连通度定义,采用图像划分测度作为区分目标和背景的阈值分割准则,在计算图像划分测度时,采用基于灰度级的权值矩阵代替常用的基于像素的权值矩阵来描述图像中各像素之间的关系,从而减小算法实现的复杂性,提高算法运算速度。仿真实验结果表明,与大多数模糊阈值分割方法相比,该方法更具优越性。     

结合类内和类间距离的可能聚类分割算法

目的 为了进一步提高噪声图像分割的抗噪性和准确性,提出一种结合类内距离和类间距离的改进可能聚类算法并将其应用于图像分割。方法 该算法避免了传统可能性聚类分割算法中仅仅考虑以样本点到聚类中心的距离作为算法的测度,将类内距离与类间距离相结合作为算法的新测度,即考虑了类内紧密程度又考虑了类间离散程度,以便对不同的聚类结构有较强的稳定性和更好的抗噪能力,并且将直方图融入可能模糊聚类分割算法中提出快速可能模糊聚类分割算法,使其对各种较复杂图像的分割具有即时性。结果 通过人工合成图像和实际遥感图像分割测试结果表明,本文改进可能聚类算法是有效的,其分割轮廓清晰,分类准确且噪声较小,其误分率相比其他算法至少降低了2个百分点,同时能获得更满意的分割效果。结论 针对模糊C-均值聚类分割算法和可能性聚类分割算法对于背景和目标颜色相近的图像分类不准确的缺陷,将类内距离与类间距离相结合作为算法的测度有效的解决了图像分割归类问题,并且结合直方图提出快速可能模糊聚类分割算法使其对于大篇幅复杂图像也具有适用性。     

区间模糊谱聚类图像分割方法

近年来谱聚类算法在模式识别和计算机视觉领域被广泛应用,而相似性矩阵的构造是谱聚类算法的关键步骤。针对传统谱聚类算法计算复杂度高难以应用到大规模图像分割处理的问题,提出了区间模糊谱聚类图像分割方法。该方法首先利用灰度直方图和区间模糊理论得到图像灰度间的区间模糊隶属度,然后利用该隶属度构造基于灰度的区间模糊相似性测度,最后利用该相似性测度构造相似性矩阵并通过规范切图谱划分准则对图像进行划分,得到最终的图像分割结果。由于区间模糊理论的引入,提高了传统谱聚类的分割性能,对比实验也表明该方法在分割效果和计算复杂度上都有较大的改善。     

考虑不完全权重信息的直觉模糊VIKOR方法研究

针对指标评价值为语义信息且专家权重、指标权重信息不完全的多指标群决策问题,采用直觉模糊集方法处理语义评价信息,提出了一个改进直觉模糊VIKOR方法。基于最大化贴近系数计算指标权重;以专家偏好的一致性为目标函数,构建线性规划模型来确定专家权重,引入一种新的距离测度方法计算两直觉模糊数的距离,最后通过直觉模糊VIKOR方法对备选方案进行排序并择优,通过某汽车设计方案评价实例验证了所提方法的有效性。     

模糊聚类方法在医学病理图像分类中的应用

图象分割和对象提取是从图象处理到图象分析的关键步骤。本文将经典的模糊C-均值聚类算法和模糊测度和模糊积分结合起来,并将这两种算法应用于医学病理图象的分割。经典的模糊C-均值聚类算法采用欧式距离计算像素之间的相似度,本文中采用模糊测度和模糊积分计算像素之间的相似度,基于模糊测度和模糊积分的特点,这种计算方法可以提高计算的准确度。最后对两种算法的处理结果进行了比较,结果表明改进的模糊C-均值算法对医学病理图像的分割效果比原算法有所改进。     

一种基于改进形态维的尺度距离误差图像分割算法

在提取改进的形态维分形特征基础上，提出了一种基于分形尺度距离误差的图像检测分割算法。该算法针对数字图像的形态维分形模型，进行有效的归一化分析，构建新的尺度距离误差特征，并设定阈值进行分割。实验证明具有良好的检测分割效果。     

Weight computation of criteria in a decision-making problem by knowledge measure with intuitionistic fuzzy set and interval-valued intuitionistic fuzzy set

The aim of this study is to propose an objective method for determining weights of criteria (also called attributes) based on a new measure of intuitionistic fuzzy information, called knowledge measure, in a real-world multi-criteria decision-making problem under intuitionistic fuzzy and interval-valued intuitionistic fuzzy environment. To address this issue, we first analyze the existing entropy measures and show that their use in objective weight determination process may lead us to produce unreliable weights of criteria by citing appropriate examples. Then we analyze important properties of knowledge measure of intuitionistic fuzzy set (IFS) and also define knowledge measure for interval-valued intuitionistic fuzzy set. Then a new method to determine the weights of criteria is developed on the basis of knowledge measure where information about criteria weights is completely unknown and partly known. A real-life example is presented to illustrate the proposed weight determination method and a comparative analysis is carried out to indicate the practicality and effectiveness of knowledge-based weight-generation method under both intuitionistic fuzzy and interval-valued intuitionistic fuzzy environment. Finally, we formulate the axioms for knowledge measure associated with IFSs and we also propose families (classes) of knowledge measures.     

一种区间直觉模糊熵的构造方法

研究了区间直觉模糊熵。证明了三个直觉模糊熵公式的等价性。对直觉模糊熵公式进行推广,引入一个新的区间直觉模糊熵公式,该熵公式满足区间糊熵的公理化直觉模定义的4个条件。     

Segmentation of gray scale image based on intuitionistic fuzzy sets constructed from several membership functions

Segmentation is the process of extraction of objects from an image. This paper proposes a new algorithm to construct intuitionistic fuzzy set (IFS) from multiple fuzzy sets as an application to image segmentation. Hesitation degree in IFS is formulated as the degree of ignorance (due to the lack of knowledge) to determine whether the chosen membership function is best for image segmentation. By minimizing entropy of IFS generated from various fuzzy sets, an image is thresholded. Experimental results are provided to show the effectiveness of the proposed method.     

区间直觉模糊信息系统中的信息粒度

区间直觉模糊信息系统比一般信息系统更能全面、细致、直观地描述和刻画决策信息,对其进行不确定性研究具有重要的意义。利用信息粒度对区间直觉模糊信息系统的不确定性进行了刻画,给出了区间直觉模糊粒度结构的交、并、差、补等四种运算。提出了区间直觉模糊粒度结构上的三种偏序关系,并建立了它们之间的联系。定义了区间直觉模糊信息粒度和区间直觉模糊信息粒度的公理化,并研究它们的性质。     

一种新的区间直觉模糊熵及其应用

提出了区间值直觉模糊集的区间直觉模糊交叉熵,这种交叉熵充分考虑了区间值直觉模糊集的隶属度,非隶属度以及犹豫度。给出一种区间值直觉模糊集的区间直觉模糊熵的公理化体系,并且基于直觉模糊交叉熵公式给出一种区间直觉模糊熵的具体测度公式。利用区间值直觉模糊集的加权相关系数,将提出的熵公式应用于解决属性权重完全未知的区间直觉模糊多属性决策问题。     

区间直觉模糊连续熵及其多属性决策方法

提出了区间直觉模糊连续熵,并且研究了一种新的处理区间直觉模糊多属性决策问题的方法。基于连续有序加权平均（COWA）算子,给出了区间直觉模糊连续熵的概念,并且证明了区间直觉模糊连续熵满足区间直觉模糊熵的公理化定义的四个条件。在此基础上,针对属性权重信息完全未知的决策问题,通过衡量每一属性所含的信息量来确定属性权重。依据备选方案与理想方案间的加权相关系数,给出了一种新的区间直觉模糊多属性决策方法。实验结果验证了新的决策方法的可行性和有效性。     

A method based on distance measure for interval-valued intuitionistic fuzzy group decision making

In this paper we introduce some relations and operations of interval-valued intuitionistic fuzzy numbers and define some types of matrices, including interval-valued intuitionistic fuzzy matrix, interval-valued intuitionistic fuzzy similarity matrix and interval-valued intuitionistic fuzzy equivalence matrix. We study their properties, develop a method based on distance measure for group decision making with interval-valued intuitionistic fuzzy matrices and, finally, provide an illustrative example.     

犹豫直觉模糊集的知识测度及其应用

犹豫直觉模糊集集成了直觉模糊集与犹豫模糊集的优点,能够更好地处理决策者偏好不一致时的不确定性问题。通过考虑决策者提供信息的犹豫性与模糊性,给出了犹豫直觉模糊集上知识测度的公理化定义,并且构建出犹豫直觉模糊集上一类含参知识测度,这类知识测度可以有效地刻画犹豫直觉模糊集所包含的信息量和决策者的态度特征。接下来,基于对该类知识测度中的参数进行讨论,得到一系列代表决策者不同态度特征的知识测度,进一步验证了知识测度与决策者态度系数的变化成正比。最后,基于犹豫直觉模糊集的知识测度提出多属性群决策方法,并将此方法应用于某互联网公司的空调安装公司选择的案例中,证明了所提出的知识测度具有有效性与实用性。     

Incomplete interval-valued intuitionistic fuzzy preference relations

The aim of this paper is to investigate decision making problems with interval-valued intuitionistic fuzzy preference information, in which the preferences provided by the decision maker over alternatives are incomplete or uncertain. We define some new preference relations, including additive consistent incomplete interval-valued intuitionistic fuzzy preference relation, multiplicative consistent incomplete interval-valued intuitionistic fuzzy preference relation and acceptable incomplete interval-valued intuitionistic fuzzy preference relation. Based on the arithmetic average and the geometric mean, respectively, we give two procedures for extending the acceptable incomplete interval-valued intuitionistic fuzzy preference relations to the complete interval-valued intuitionistic fuzzy preference relations. Then, by using the interval-valued intuitionistic fuzzy averaging operator or the interval-valued intuitionistic fuzzy geometric operator, an approach is given to decision making based on the incomplete interval-valued intuitionistic fuzzy preference relation, and the developed approach is applied to a practical problem. It is worth pointing out that if the interval-valued intuitionistic fuzzy preference relation is reduced to the real-valued intuitionistic fuzzy preference relation, then all the above results are also reduced to the counterparts, which can be applied to solve the decision making problems with incomplete intuitionistic fuzzy preference information.